Higher versus lower nut consumption and changes in cognitive performance over two years in a population at risk of cognitive decline: a cohort study
Notice bibliographique
Résumé
BACKGROUND: Tree nuts and peanuts (henceforth, nuts) are nutrient-dense foods rich in neuroprotective components; thus, their consumption could benefit cognitive health. However, evidence to date is limited and inconsistent regarding the potential benefits of nuts for cognitive function. OBJECTIVE: To prospectively evaluate the association between nut consumption and 2-y changes in cognitive performance in older adults at cognitive decline risk. METHODS: A total of 6,630 participants aged 55 to 75 y (mean age 65.0±4.9 y, 48.4% women) with overweight/obesity and metabolic syndrome completed a validated semi-quantitative food frequency questionnaire and a comprehensive battery of neuropsychological tests at baseline and a 2-y follow-up. Composite cognitive scores were used to assess global, general, attention, and executive function domains. Nut consumption was categorized as <1, ≥1 to <3, ≥3 to <7, and ≥7 servings/wk (1 serving=30 g). Multivariable-adjusted linear regression models were fitted to assess associations between baseline nut consumption and 2-y cognitive changes. RESULTS: Nut consumption was positively associated with 2-y changes in general cognitive function (P-trend <0.001). Compared with participants consuming <1 serving/wk of nuts, those categorized as consuming ≥3 to <7 and ≥7 servings/wk showed more favorable changes in general cognitive performance (β z-score [95% CI] = 0.06 [0.00,0.12] and 0.13 [0.06,0.20], respectively). No significant changes were observed in the multivariable-adjusted models for other cognitive domains assessed. CONCLUSION: Frequent nut consumption was associated with a smaller decline in general cognitive performance over 2 y in older adults at risk of cognitive decline. Randomized clinical trials to verify our findings are warranted.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».